基于局部學(xué)習(xí)策略的非線性系統(tǒng)多模型建模與控制.pdf

1、隨著現(xiàn)代工業(yè)生產(chǎn)的發(fā)展，生產(chǎn)過程日趨大型化、復(fù)雜化，工作點(diǎn)的變化范圍大，使得完全通過機(jī)理模型來了解被控過程中各變量之間的關(guān)系變得更加困難，且成本很高。因此，人們往往從系統(tǒng)的輸入輸出數(shù)據(jù)出發(fā)，借助于機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)理論以及數(shù)據(jù)挖掘等手段，采用基于分治策略的多模型建模方法，分析和了解被控過程相關(guān)特性，達(dá)到對非線性系統(tǒng)建模與控制的目的。這種建模方法，將復(fù)雜問題簡單化，以多個(gè)局部模型來覆蓋系統(tǒng)的不確定性與結(jié)構(gòu)的復(fù)雜性，以及逼近系統(tǒng)的強(qiáng)非線性，從

2、而倍受人們的關(guān)注。本文以非線性系統(tǒng)為研究對象，直接利用所獲得的系統(tǒng)數(shù)據(jù)，在分治策略框架下，將多模型方法與數(shù)據(jù)聚類，以及局部建模算法相結(jié)合，研究了非線性系統(tǒng)的模型辨識與控制器設(shè)計(jì)等問題，其主要內(nèi)容包括: ⑴針對一類可由分段仿射模型表示的非線性系統(tǒng)，在獲得系統(tǒng)全部工況數(shù)據(jù)的基礎(chǔ)上，提出一種PWARX模型離線辨識算法。利用改進(jìn)的G-K模糊聚類算法，在克服聚類迭代過程中出現(xiàn)非數(shù)值解問題的同時(shí)，實(shí)現(xiàn)對系統(tǒng)數(shù)據(jù)的滿意劃分，并用多性能指標(biāo)綜合

3、評判的方法確定子模型的個(gè)數(shù)。在此基礎(chǔ)上充分挖掘數(shù)據(jù)聚類的信息，以數(shù)據(jù)點(diǎn)的模糊隸屬度值作為權(quán)重實(shí)現(xiàn)各子模型參數(shù)的加權(quán)最小二乘辨識，從而提高子模型辨識的精度；以數(shù)據(jù)聚類中心最近鄰為準(zhǔn)則確定兩兩相鄰的回歸空間數(shù)據(jù)，將切換面方程的辨識問題轉(zhuǎn)化為線性分類問題，用軟邊界支持向量機(jī)獲得其切換面方程的系數(shù)。最后，以一個(gè)連續(xù)的非線性函數(shù)與實(shí)際的PWARX模型為例，驗(yàn)證本文算法的有效性，以及PWA模型的非線性逼近能力。 ⑵由于在實(shí)際的工業(yè)過程中，離

4、線搜集覆蓋全部工況的數(shù)據(jù)要花費(fèi)大量的時(shí)間或根本不可能做到，因此，本文依據(jù)統(tǒng)計(jì)的局部學(xué)習(xí)理論，提出一種基于即時(shí)學(xué)習(xí)算法的非線性系統(tǒng)在線辨識方法。在分析時(shí)間序列數(shù)據(jù)相似性的基礎(chǔ)上，提出k-VNN方法，構(gòu)造即時(shí)學(xué)習(xí)算法的建模鄰域，提高了算法預(yù)測精度。同時(shí)，利用PRESS統(tǒng)計(jì)策略，給出了一種遞歸的辨識算法與數(shù)據(jù)窗口h大小的確定方法，大大減小了算法的在線計(jì)算量。由于即時(shí)學(xué)習(xí)算法的建模鄰域都是在線搜索確定，為減少算法的復(fù)雜度，在k-均值聚類的基礎(chǔ)上

5、，給出了一種兩層遞階搜索策略。另外，為增強(qiáng)即時(shí)學(xué)習(xí)算法的自適應(yīng)能力，同時(shí)避免給計(jì)算機(jī)增加過多的開銷，本文還提出了一種數(shù)據(jù)庫在線更新策略。并以非線性函數(shù)估計(jì)為例，驗(yàn)證本文辨識算法的有效性。最后，將本文算法應(yīng)用到聚酯酯化率的軟測量中，拓展算法的應(yīng)用范圍，并為工業(yè)軟測量提供一種新的方法。 ⑶針對可獲得大量輸入輸出數(shù)據(jù)的非線性系統(tǒng)，結(jié)合本文所提出的局部模型在線辨識算法，給出了兩種控制器設(shè)計(jì)方案。首先，直接從系統(tǒng)的數(shù)據(jù)出發(fā)，在線辨識當(dāng)前工

6、況下系統(tǒng)的逆映射模型與正向映射模型，并基于優(yōu)化的性能指標(biāo)，提出一種迭代尋優(yōu)算法，得到當(dāng)前控制器的輸出值，對某一SISO非最小相位非線性系統(tǒng)的仿真研究證明了該方案的有效性。其次，將即時(shí)學(xué)習(xí)算法與預(yù)測控制相結(jié)合，提出了一種MIMO系統(tǒng)的預(yù)測控制器設(shè)計(jì)方案，推導(dǎo)相應(yīng)帶有系統(tǒng)約束的預(yù)測控制策略，以解決實(shí)際工業(yè)過程中多變量與大量約束的問題，某一燃油電力單元的仿真研究也驗(yàn)證了該方案的有效性。最后，定性比較了基于即時(shí)學(xué)習(xí)的線性化方法與其它幾種線性化策

7、略的優(yōu)缺點(diǎn)。 ⑷將本文的局部模型在線辨識算法與過程控制相結(jié)合，研究了大范圍工況系統(tǒng)PID控制器的參數(shù)調(diào)整問題。首先，提出一種兩層結(jié)構(gòu)的PID控制器設(shè)計(jì)方案，即：底層的傳統(tǒng)PID控制回路，以及上層以廣義最小方差性能指標(biāo)為目標(biāo)函數(shù)的優(yōu)化回路。利用即時(shí)學(xué)習(xí)算法的本質(zhì)自適應(yīng)特點(diǎn)，在線獲取系統(tǒng)不同工況下的有效模型，在此基礎(chǔ)上，依據(jù)廣義最小方差性能指標(biāo)，優(yōu)化得到物理意義明確的PID參數(shù)值，以適應(yīng)不同工況下控制系統(tǒng)的性能要求。其次，給出了一種

8、啟發(fā)式的參數(shù)調(diào)整規(guī)則，增強(qiáng)了算法的實(shí)際使用性能。最后通過Hammersterin模型與CSTR機(jī)理模型為例驗(yàn)證本文算法的有效性。 ⑸為了解決驗(yàn)證先進(jìn)控制算法有效性的困難，給算法設(shè)計(jì)人員提供一個(gè)模擬工業(yè)現(xiàn)場的環(huán)境，本文結(jié)合所提出的建模與控制算法，開發(fā)了一套AAS(AdvancedAlgorithmSimulation)仿真平臺。該平臺基于開放的OPC協(xié)議，依托實(shí)驗(yàn)室互連網(wǎng)絡(luò)為傳輸數(shù)據(jù)的中介，使用Matlab軟件作為模型與算法程序運(yùn)